---
title: "RESULTADO DIÁRIO MKT"
output: 
  flexdashboard::flex_dashboard:
    orientation: rows
    #vertical_layout: fill
    vertical_layout: scroll
    logo: pp.png
    social: [ "twitter", "facebook","google +", "linkedin", "pinterest" ]
    source_code: embed
    #runtime: shiny
---

```{r setup, include=FALSE}
#devtools::install_github("jeromefroe/circlepackeR")
#library(devtools)
library(flexdashboard)
library(readxl)
library(tidyr)
library(plotly)
library(ggmap)
library(RColorBrewer)
library(treemap)
library(hrbrthemes)
library(circlepackeR)
library(data.tree)
library(babynames)
library(viridis)
library(dplyr)
library(lubridate)
library(DT)
#library(d3treeR)
library(chorddiag)
library(circlize)
library(streamgraph)

#função criada para computar quantos dias tem o mês
numberOfDays <- function(date) {
    m <- format(date, format="%m")

    while (format(date, format="%m") == m) {
        date <- date + 1
    }

    return(as.integer(format(date - 1, format="%d")))
}

produtos <- read_excel("C:/Users/pedro.silva/OneDrive - Sicoob/PAUTA_MARKETING/PRODUTOS/PROJETOS_PRODUTOS.xlsm", sheet = 1)
institucional <- read_excel("C:/Users/pedro.silva/OneDrive - Sicoob/PAUTA_MARKETING/INSTITUCIONAL/PROJETOS_INSTITUCIONAL.xlsm", sheet = 1)

maindata=data.frame(rbind(produtos, institucional))
names(maindata)=names(produtos)

maindata$`DATA DE ENTREGA`=as.Date(maindata$`DATA DE ENTREGA`, origin = "1899-12-30")

maindata=maindata %>% filter(!`DATA DE ENTREGA`% filter(STATUS!="NOVO")

maindatamensal = maindata %>% filter(`DATA DE ENTREGA`>=as.Date(cut(Sys.Date(), "month")) & `DATA DE ENTREGA`<=as.Date(cut(Sys.Date(), "day"))) %>% filter(STATUS!="NOVO")

produtos = maindatamensal %>% filter(NUCLEO=="PRODUTOS") %>% filter(`DATA DE ENTREGA`>=as.Date(cut(Sys.Date(), "month")) & `DATA DE ENTREGA`<=as.Date(cut(Sys.Date(), "day")))

institucional = maindatamensal %>% filter(NUCLEO=="INSTITUCIONAL") %>% filter(`DATA DE ENTREGA`>=as.Date(cut(Sys.Date(), "month")) & `DATA DE ENTREGA`<=as.Date(cut(Sys.Date(), "day")))


######################################    ARQUITETO
arquiteto <- read_excel("C:/Users/pedro.silva/OneDrive - Sicoob/PAUTA_MARKETING/ARQUITETO/PROJETOS_ARQUITETO.xlsm", sheet = 1)
arquiteto$`DATA DE ENTREGA`=as.Date(arquiteto$`DATA DE ENTREGA`, origin = "1899-12-30")

arquitetodiario=arquiteto %>% filter(`DATA DE ENTREGA`>=as.Date(cut(Sys.Date(), "month")) & `DATA DE ENTREGA`<=as.Date(cut(Sys.Date(), "day")))


######################################    ASCOM
revistas_relatorios <- read_excel("C:/Users/pedro.silva/OneDrive - Sicoob/PAUTA_MARKETING/ASCOM/01.REVISTAS_RELATORIOS.xlsm", sheet = 1)
revistas_relatorios$`DATA DE ENTREGA`=as.Date(revistas_relatorios$`DATA DE ENTREGA`, origin = "1899-12-30")

revistas_relatorios_total=revistas_relatorios %>% filter(`DATA DE ENTREGA`>=as.Date(cut(Sys.Date(), "year")))

revistas_relatorios=revistas_relatorios %>% filter(`DATA DE ENTREGA`>=as.Date(cut(Sys.Date(), "month")) & `DATA DE ENTREGA`<=as.Date(cut(Sys.Date(), "day")))

atendimento_a_imprensa <- read_excel("C:/Users/pedro.silva/OneDrive - Sicoob/PAUTA_MARKETING/ASCOM/02.atendimento_a_imprensa.xlsx", sheet = 2) %>% filter(`DATA DO CONTATO`>=as.Date(cut(Sys.Date(), "month")) & `DATA DO CONTATO`<=as.Date(cut(Sys.Date(), "day")))


#################  Audio visual
#################
audiovisual=read_excel("C:/Users/pedro.silva/OneDrive - Sicoob/PAUTA_MARKETING/SUPORTE DE QUALIDADE/SAULO - AUDIO VISUAL/AUDIO_VISUAL.xlsm", sheet = 1)
audiovisual$`DATA DE ENTREGA`=as.Date(audiovisual$`DATA DE ENTREGA`, origin = "1899-12-30")

################  projetos
################
midias_off <- read_excel("C:/Users/pedro.silva/OneDrive - Sicoob/PAUTA_MARKETING/SUPORTE DE QUALIDADE/GABI/GABI_GLPI.xlsm", sheet = 1)
midias_off$`DATA DE ENTREGA`=as.Date(midias_off$`DATA DE ENTREGA`, origin = "1899-12-30")


```

Produtos
=====================================

Row
-------------------------------------

### Produção por colaborador

```{r}
proporcaoprodutos=data.frame(table(produtos$`TÉCNICO RESPONSÁVEL`))
names(proporcaoprodutos)=c("Funcionário", "Quantidade")
# Create Data
data <- data.frame(
  group=proporcaoprodutos$Funcionário,
  value=proporcaoprodutos$Quantidade
)


plot_ly(data, labels = ~group, values = ~value, type = 'pie') %>%
  layout(xaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE),
         yaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE))


```

### Serviços prestados

```{r}
proporcaoprodutos=data.frame(table(produtos$CATEGORIA))
names(proporcaoprodutos)=c("Funcionário", "Quantidade")
# Create Data
data <- data.frame(
  group=proporcaoprodutos$Funcionário,
  value=proporcaoprodutos$Quantidade
)


plot_ly(data, labels = ~group, values = ~value) %>%
  add_pie(hole = 0.6) %>%
  layout(xaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE),
         yaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE))


```

### As 10 cooperaivas que pediram no mês

```{r}
demandas_cooperativas=data.frame(table(produtos$`COOPERATIVA SOLICITANTE`))
names(demandas_cooperativas)=c("Cooperativa", "Frequência")
demandas_cooperativas=demandas_cooperativas %>% arrange(Frequência)
n=demandas_cooperativas %>% nrow()
if(n>10){
demandas_cooperativas=demandas_cooperativas %>% slice((n-10):n)
}

p <- plot_ly(demandas_cooperativas, x = ~reorder(Cooperativa, -Frequência), y = ~Frequência, type = 'bar', name = 'SF Zoo') %>%
    layout(barmode = 'group', xaxis = list(title = "Cooperativas", range = c(-0.5,9.5)))

p

```

Row
----------------------------------

### Produção diária de peças
```{r}
demandas_mes=produtos


teste_pecas=data.frame(table(demandas_mes$`TÉCNICO RESPONSÁVEL`, demandas_mes$`DATA DE ENTREGA`))
names(teste_pecas)=c("name", "year", "n")
teste_pecas$year=as.Date(teste_pecas$year)

# Plot
p <- teste_pecas %>% 
  ggplot( aes(x=year, y=n, fill=name, text=n)) +
  geom_area( )+
  scale_fill_viridis(discrete = TRUE)+
  #theme(legend.position="none") +
  theme_ipsum()+
  scale_x_date(date_labels = "%e %B")
  #theme(legend.position="none")

# Turn it interactive
p <- ggplotly(p, tooltip="text") %>% layout(xaxis = list(title="Dia do mês"), yaxis = list(title="Quantidade de peças"))
p
```

### Média de peças diárias produzidas por colaborador antes e depois do Home-Office

```{r}
base=data.frame(table((maindata %>% filter(NUCLEO=="PRODUTOS"))$`TÉCNICO RESPONSÁVEL`, (maindata %>% filter(NUCLEO=="PRODUTOS"))$`DATA DE ENTREGA`))
base$Var2=as.Date(base$Var2)
base=base %>% filter(Var1!="Matheus") %>% filter(Var1!="Saulo") %>% filter(Var1!="João")

colaborador=levels(factor(base$Var1))
Arley=base %>% filter(Var1=="Arley") %>% filter(Var2% filter(Var1=="Tatau") %>% filter(Var2% filter(Var1=="Arley") %>% filter(Var2>as.Date("2020-03-21"))
Arleyd=sum(Arleyd$Freq)/as.numeric(as.Date(cut(Sys.Date(), "day"))-as.Date("2020-03-23"))

Tataud=base %>% filter(Var1=="Tatau") %>% filter(Var2>as.Date("2020-03-21"))
Tataud=sum(Tataud$Freq)/as.numeric(as.Date(cut(Sys.Date(), "day"))-as.Date("2020-03-23"))

Depois_do_Home_office=c(Arleyd, Tataud)

data=data.frame(colaborador, Antes_do_Home_office, Depois_do_Home_office)


fig <- plot_ly(data, x = ~colaborador, y = ~Antes_do_Home_office, type = 'bar', name = 'Antes Home-Office')
fig <- fig %>% add_trace(y = ~Depois_do_Home_office, name = 'Depois Home-Office')
fig <- fig %>% layout(yaxis = list(title = 'Count'), barmode = 'group')

fig
```

Institucional
=====================================

Row
----------------------------------

### Produção por colaborador

```{r}
proporcaoinstitucional=data.frame(table(institucional$`TÉCNICO RESPONSÁVEL`))
names(proporcaoinstitucional)=c("Funcionário", "Quantidade")
# Create Data
data <- data.frame(
  group=proporcaoinstitucional$Funcionário,
  value=proporcaoinstitucional$Quantidade
)


plot_ly(data, labels = ~group, values = ~value, type = 'pie') %>%
  layout(xaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE),
         yaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE))


```

### Serviços prestados

```{r}
proporcaoprodutos=data.frame(table(institucional$CATEGORIA))
names(proporcaoprodutos)=c("Funcionário", "Quantidade")
# Create Data
data <- data.frame(
  group=proporcaoprodutos$Funcionário,
  value=proporcaoprodutos$Quantidade
)


plot_ly(data, labels = ~group, values = ~value) %>%
  add_pie(hole = 0.6) %>%
  layout(xaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE),
         yaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE))


```

### As 10 cooperaivas que mais pediram no mês

```{r}
demandas_cooperativas=data.frame(table(institucional$`COOPERATIVA SOLICITANTE`))
names(demandas_cooperativas)=c("Cooperativa", "Frequência")
demandas_cooperativas=demandas_cooperativas %>% arrange(Frequência)
n=demandas_cooperativas %>% nrow()
if(n>10){
demandas_cooperativas=demandas_cooperativas %>% slice((n-10):n)
}

p <- plot_ly(demandas_cooperativas, x = ~reorder(Cooperativa, -Frequência), y = ~Frequência, type = 'bar', name = 'SF Zoo') %>%
    layout(barmode = 'group', xaxis = list(title = "Cooperativas", range = c(-0.5,9.5)))

p

```

Row
----------------------------------

### Produção diária de peças
```{r}
demandas_mes=institucional

teste_pecas=data.frame(table(demandas_mes$`TÉCNICO RESPONSÁVEL`, demandas_mes$`DATA DE ENTREGA`))
names(teste_pecas)=c("Colaborador", "year", "n")
teste_pecas$year=as.Date(teste_pecas$year)

# Plot
p <- teste_pecas %>% 
  ggplot( aes(x=year, y=n, fill=Colaborador, text=n)) +
  geom_area( )+
  scale_fill_viridis(discrete = TRUE)+
  #theme(legend.position="none") +
  theme_ipsum()+
  scale_x_date(date_labels = "%e %B")
  #theme(legend.position="none")

# Turn it interactive
p <- ggplotly(p, tooltip="text") %>% layout(xaxis = list(title="Dia do mês"), yaxis = list(title="Quantidade de peças"))
p
```

### Média de peças diárias produzidas por colaborador antes e depois do Home-Office

```{r}
base=data.frame(table((maindata %>% filter(NUCLEO=="INSTITUCIONAL"))$`TÉCNICO RESPONSÁVEL`, (maindata %>% filter(NUCLEO=="INSTITUCIONAL"))$`DATA DE ENTREGA`))
base$Var2=as.Date(base$Var2)
base=base %>% filter(Var1!="Gabriela") %>% filter(Var1!="Kátia") %>% filter(Var1!="Ana Luiza")

colaborador=levels(factor(base$Var1))
Ana_clara=base %>% filter(Var1=="Ana Clara") %>% filter(Var2% filter(Var1=="Kenny") %>% filter(Var2% filter(Var1=="Samuel") %>% filter(Var2% filter(Var1=="Ana Clara") %>% filter(Var2>as.Date("2020-03-21"))
Ana_clarad=sum(Ana_clarad$Freq)/as.numeric(as.Date(cut(Sys.Date(), "day"))-as.Date("2020-03-23"))

Kennyd=base %>% filter(Var1=="Kenny") %>% filter(Var2>as.Date("2020-03-21"))
Kennyd=sum(Kennyd$Freq)/as.numeric(as.Date(cut(Sys.Date(), "day"))-as.Date("2020-03-23"))

Samueld=base %>% filter(Var1=="Samuel") %>% filter(Var2>as.Date("2020-03-21"))
Samueld=sum(Samueld$Freq)/as.numeric(as.Date(cut(Sys.Date(), "day"))-as.Date("2020-03-23"))

Depois_do_Home_office=c(Ana_clarad,Kennyd, Samueld)

data=data.frame(colaborador, Antes_do_Home_office, Depois_do_Home_office)


fig <- plot_ly(data, x = ~colaborador, y = ~Antes_do_Home_office, type = 'bar', name = 'Antes Home-Office')
fig <- fig %>% add_trace(y = ~Depois_do_Home_office, name = 'Depois Home-Office')
fig <- fig %>% layout(yaxis = list(title = 'Count'), barmode = 'group')

fig
```

ASCOM
=====================================

Row {data-width=150}
--------------------------------------
### Total new hires
```{r}
newhires=(revistas_relatorios %>% nrow()) + (atendimento_a_imprensa %>% nrow())
valueBox(value = newhires,icon = "fa-thumbs-up",caption = "Serviços Executados",color = "#00AE9D")
```

### Total exits
```{r}
exits= revistas_relatorios %>% nrow()
valueBox(value = exits,icon = "fa-comments",caption = "Relatórios de Gestão e Revistas", color = "#003641")
```

### Net change
```{r}
netchange=atendimento_a_imprensa %>% nrow()
valueBox(value = netchange,icon = "fa-user-plus",caption = "Atendimento à Imprensa", color = "#49479D")
```

Row
-------------------------------------

### Serviços prestados

```{r}
proporcaoprodutos=data.frame(table(revistas_relatorios$`TÉCNICO RESPONSÁVEL`))
names(proporcaoprodutos)=c("Funcionário", "Quantidade")
# Create Data
data <- data.frame(
  group=proporcaoprodutos$Funcionário,
  value=proporcaoprodutos$Quantidade
)


plot_ly(data, labels = ~group, values = ~value, type = 'pie') %>%
  layout(xaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE),
         yaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE))


```

### Proporção de revistas e relatórios trabalhados

```{r}
proporcaoprodutos=data.frame(table(revistas_relatorios$CATEGORIA))
names(proporcaoprodutos)=c("Funcionário", "Quantidade")
# Create Data
data <- data.frame(
  group=proporcaoprodutos$Funcionário,
  value=proporcaoprodutos$Quantidade
)


plot_ly(data, labels = ~group, values = ~value) %>%
  add_pie(hole = 0.6) %>%
  layout(xaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE),
         yaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE))


```

### Proporção dos serviços realizados por etapas

```{r}
proporcaoprodutos=data.frame(table(revistas_relatorios$ETAPA))
names(proporcaoprodutos)=c("Funcionário", "Quantidade")
# Create Data
data <- data.frame(
  group=proporcaoprodutos$Funcionário,
  value=proporcaoprodutos$Quantidade
)


plot_ly(data, labels = ~group, values = ~value) %>%
  add_pie(hole = 0.6) %>%
  layout(xaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE),
         yaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE))


```

Row
---

### Serviços executados diariamente

```{r}
demandas_mes=revistas_relatorios_total

teste_pecas=data.frame(table(demandas_mes$`TÉCNICO RESPONSÁVEL` , demandas_mes$`DATA DE ENTREGA`))
names(teste_pecas)=c("Colaborador", "year", "n")
teste_pecas$year=as.Date(teste_pecas$year)

# Plot
p <- teste_pecas %>% 
  ggplot( aes(x=year, y=n, fill=Colaborador, text=n)) +
  geom_area( )+
  scale_fill_viridis(discrete = TRUE)+
  #theme(legend.position="none") +
  theme_ipsum()
  #theme(legend.position="none")
  #scale_x_date(date_labels = "%e %B")

# Turn it interactive
p <- ggplotly(p, tooltip="text") %>% layout(xaxis = list(title="Dia do mês"), yaxis = list(title="Quantidade de serviços"))
p
```

### Jornais que contataram

```{r}
pecas_acumuladas=data.frame(table(atendimento_a_imprensa$`QUAL É O JORNAL?`))

plot_ly(pecas_acumuladas, x = ~reorder(Var1, -Freq), y = ~Freq, type = 'bar', name = 'SF Zoo') %>%
    layout(barmode = 'group', xaxis = list(title = "Tipo de peça"))

```

Mídias Digitais
=====================================

Row
-------------

```{r}

```

Audio Visual
=====================================

Row
-------------

### Serviços prestados

```{r}
proporcaoprodutos=data.frame(table(audiovisual$CATEGORIA))
names(proporcaoprodutos)=c("Funcionário", "Quantidade")
# Create Data
data <- data.frame(
  group=proporcaoprodutos$Funcionário,
  value=proporcaoprodutos$Quantidade
)


plot_ly(data, labels = ~group, values = ~value) %>%
  add_pie(hole = 0.6) %>%
  layout(xaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE),
         yaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE))

```

### 10 cooperaivas que mais requisitaram

```{r}
demandas_cooperativas=data.frame(table(audiovisual$`COOPERATIVA SOLICITANTE`))
names(demandas_cooperativas)=c("Cooperativa", "Frequência")
demandas_cooperativas=demandas_cooperativas %>% arrange(Frequência)
n=demandas_cooperativas %>% nrow()
if(n>10){
demandas_cooperativas=demandas_cooperativas %>% slice((n-10):n)
}

p <- plot_ly(demandas_cooperativas, x = ~reorder(Cooperativa, -Frequência), y = ~Frequência, type = 'bar', name = 'SF Zoo') %>%
    layout(barmode = 'group', xaxis = list(title = "Cooperativas"))

p

```

Row
---

### Produção diária de peças
```{r}
demandas_mes=produtos %>% filter(produtos$`TÉCNICO RESPONSÁVEL`=="Saulo")


teste_pecas=data.frame(table(demandas_mes$`TÉCNICO RESPONSÁVEL`, demandas_mes$`DATA DE ENTREGA`))
names(teste_pecas)=c("Colaborador", "year", "n")
teste_pecas$year=as.Date(teste_pecas$year)

# Plot
p <- teste_pecas %>% 
  ggplot( aes(x=year, y=n, fill=Colaborador, text=n)) +
  geom_area( )+
  scale_fill_viridis(discrete = TRUE)+
  #theme(legend.position="none") +
  theme_ipsum()+
  scale_x_date(date_labels = "%e %B")
  #theme(legend.position="none")

# Turn it interactive
p <- ggplotly(p, tooltip="text") %>% layout(xaxis = list(title="Dia do mês"), yaxis = list(title="Quantidade de peças"))
p
```



Arquitetura
=====================================

Row
-------------

### Serviços prestados

```{r}
proporcaoprodutos=data.frame(table(arquitetodiario$CATEGORIA))
names(proporcaoprodutos)=c("Funcionário", "Quantidade")
# Create Data
data <- data.frame(
  group=proporcaoprodutos$Funcionário,
  value=proporcaoprodutos$Quantidade
)


plot_ly(data, labels = ~group, values = ~value) %>%
  add_pie(hole = 0.6) %>%
  layout(xaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE),
         yaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE))

```

### 10 cooperaivas que mais requisitaram

```{r}
demandas_cooperativas=data.frame(table(arquitetodiario$`COOPERATIVA SOLICITANTE`))
names(demandas_cooperativas)=c("Cooperativa", "Frequência")
demandas_cooperativas=demandas_cooperativas %>% arrange(Frequência)
n=demandas_cooperativas %>% nrow()
if(n>10){
demandas_cooperativas=demandas_cooperativas %>% slice((n-10):n)
}

p <- plot_ly(demandas_cooperativas, x = ~reorder(Cooperativa, -Frequência), y = ~Frequência, type = 'bar', name = 'SF Zoo') %>%
    layout(barmode = 'group', xaxis = list(title = "Cooperativas"))

p

```

Row
--------------------

### Quantidade de serviços realizados por dia útil
```{r}
demandas_mes=arquiteto

teste_pecas=data.frame(table(demandas_mes$`TÉCNICO RESPONSÁVEL`, demandas_mes$`DATA DE ENTREGA`))
names(teste_pecas)=c("name", "year", "n")
teste_pecas$year=as.Date(teste_pecas$year)

# Plot
p <- teste_pecas %>% 
  ggplot( aes(x=year, y=n, fill=name, text=n)) +
  geom_area( )+
  scale_fill_viridis(discrete = TRUE)+
  #theme(legend.position="none") +
  theme_ipsum()+
  scale_x_date(date_labels = "%e %B")
  #theme(legend.position="none")

# Turn it interactive
p <- ggplotly(p, tooltip="text") %>% layout(xaxis = list(title="Dia do mês"), yaxis = list(title="Quantidade de peças"))
p
```


### Produção mensal Aquiteto

```{r}
peca_mes=c(nrow((arquiteto %>% filter(`DATA DE ENTREGA`>=as.Date("2020-01-01") & `DATA DE ENTREGA`% filter(`DATA DE ENTREGA`>=as.Date("2020-02-01") & `DATA DE ENTREGA`% filter(`DATA DE ENTREGA`>=as.Date(cut(Sys.Date(), "month")) & `DATA DE ENTREGA`<=as.Date(cut(Sys.Date(), "day"))))))
data <- seq(as.Date("2020/01/1"), as.Date("2020/03/1"), "month")
dadostemporal=data.frame(peca_mes, data)
names(dadostemporal)=c('Peça', 'Mês')

temporal <- ggplot(data = dadostemporal,
                   mapping = aes(x = Mês, y = Peça)) +
  geom_point() +
  geom_line() +
  geom_area(fill="#00AE9D", alpha=0.5)+
  theme_ipsum()+
  scale_x_date(date_labels = "%e %B")
ggplotly(temporal)
```

Mídias Off
=====================================

### Produção diária de Mídias-off

```{r}
demandas_mes=midias_off

teste_pecas=data.frame(table(demandas_mes$`TÉCNICO RESPONSÁVEL`, demandas_mes$`DATA DE ENTREGA`))
names(teste_pecas)=c("name", "year", "n")
teste_pecas$year=as.Date(teste_pecas$year)

peca_mes=teste_pecas$n
data <- teste_pecas$year
dadostemporal=data.frame(peca_mes, data)
names(dadostemporal)=c('Peça', 'Mês')

temporal <- ggplot(data = dadostemporal,
                   mapping = aes(x = Mês, y = Peça)) +
  geom_point() +
  geom_line() +
  geom_area(fill="#00AE9D", alpha=0.5)+
  theme_ipsum()+
  scale_x_date(date_labels = "%e %B")
ggplotly(temporal)
```